CHƯƠNG 3 : DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Phương pháp hồi quy
3.3.1. Các phương pháp hồi quy ước lượng
Để kiểm định các giả thuyết đặc ra, nghiên cứu thực hiện các phương pháp hồi
ngẫu nhiên và mơ hình tác động cố định với sai số chuẩn (fixed effect model cluster
standard errors) để kiểm tra các mối quan hệ giữa các biến. Sau đó thực hiện các kiểm
định để chọn mơ hình thích hợp, kiểm tra các khuyết tật của mơ hình và xử lý các khuyết tật đó.
3.3.2. Phương pháp ước lượng GMM Arellano – Bond
Để trả lời các câu hỏi nghiên cứu và xử lý các khuyết tật của mơ hình một các
hiệu quả, đề tài sử dụng phương pháp ước lượng GMM Arellano – Bond (1991) để ước lượng phương trình
Tuy nhiên, với mơ hình (1) khi đưa vào các biến trễ thì ước lượng FE sẽ bị
chệch khi mơ hình có chuỗi thời gian T của dữ liệu bảng ngắn (Judson và cộng sự, 1996; Cameron Colin, 2007). Nickell (1981) và Kiviet (1995) giải thích rằng các hệ số hồi qui sẽ không chệch khi T tiến đến vô cùng. Nghĩa là ước lượng FE chỉ cho kết quả tốt khi chuỗi thời gian của dữ liệu bảng lớn. Nói cách khác, có một số vấn đề nảy sinh khi tiến hành ước lượng phương trình (1), đó là:
(1) Các biến sở hữu có thể được xem là nội sinh. Bởi vì quan hệ nhân quả có thể xảy
ra theo hai chiều hướng: từ sở hữu đến giá trị công ty và ngược lại. Việc hồi qui các
biến này có thể dẫn đến sự tương quan với sai số và một số biến khác có thể có những thuộc tính tương tự, tức xảy ra hiện tượng nội sinh làm chệch kết quả.
(2) Tác động cố định hàm chứa sai số trong phương trình (1) bao gồm tính đặc thù của
các biến không quan sát được (νi) và sai số đặc thù quan sát được (eit):
uit = υit + ei
(3) Sự hiện diện của biến trễ Yit-1 sẽ dẫn đến hiện tượng tự tương quan.
(4) Dữ liệu bảng trong nghiên cứu có thời gian ngắn (T) và mảng không gian lớn (N).
Để giải quyết vấn đề 1 và vấn đề 2, đề tài sử dụng ước lượng GMM sai phân
(Difference Generalized Method of Moments-GMM) của Arellano-Bond (1991) dựa
trên cơ sở được đề xuất bởi Holtz-Eakin, Newey và Rosen (1988). Trong thủ tục
GMM, cần phân biệt biến được công cụ (instrumented) và biến công cụ (instrument). Nếu các biến được dự đoán là nội sinh (tương đương với ngoại sinh khơng nghiêm
ngặt) thì sắp xếp vào nhóm biến được cơng cụ theo tiếp cận gmm và khi đó chỉ có giá trị trễ của các biến này mới là các cơng cụ thích hợp (Judson và cộng sự, 1996). Còn nếu như các biến giải thích được xác định là ngoại sinh nghiêm ngặt cũng như các biến công cụ được thêm vào (nếu có) thì xếp vào nhóm biến cơng cụ (iv_instrument
variable). Các biến được cho là ngoại sinh nghiêm ngặt thì giá trị hiện tại và trễ của
chúng đều là các công cụ thích hợp (Judson và cộng sự, 1996). Trong nghiên cứu này,
các biến được cho là nội sinh được công cụ bằng cách lấy giá trị độ trễ thứ hai (hoặc ba) của chúng. Để kiểm định Sargan không bị yếu thì số lượng các biến cơng cụ được lựa chọn về nguyên tắc phải nhỏ hơn hoặc bằng số lượng các nhóm.
Với vấn đề 2 (tác động cố định) thì phương pháp GMM sai phân có sử dụng sai phân bậc nhất để chuyển hóa phương trình (1) thành:
∆Yit = (β0+ υit)+∆ β1Yi,t-1 + ∆β2Xit + ∆uit
Bằng cách biến đổi sang hồi qui ở sai phân bậc nhất, tác động cố định có tính
đặc thù sẽ bị loại trừ bởi vì nó có đặc tính khơng đổi theo thời gian:
∆uit = uit - uit-1 =( υit + eit) – (υit + eit-1)= (υi - υi)+(eit + eit-1)= ∆eit
Biến phụ thuộc được lấy sai phân bậc nhất cũng được thiết kế với độ trễ của nó trong quá khứ. Vì thế, vấn đề 3 cũng được xử lí một cách triệt để.
Cuối cùng, ước lượng theo phương pháp GMM sai phân của Arellano-Bond
được thiết kế thích hợp cho dữ liệu bảng với T nhỏ và N lớn (vấn đề 4) (Judson và
cộng sự, 1996; Roodman, 2006). Tuy nhiên, điểm cần lưu ý là khi T nhỏ thì kiểm định tự tương quan của Arellano-Bond có thể trở nên khơng tin cậy. Trong khi đó, nếu dữ liệu bảng có T lớn thì một cú sốc đối với tác động cố định của đặc thù của các biến
được phản ánh trong sai phân sẽ giảm dần theo thời gian; đồng thời, tính tương quan
của biến trễ phụ thuộc với sai số cũng khơng có ý nghĩa (Roodman, 2006).
Tính hợp lí của các cơng cụ được sử dụng trong phương pháp GMM được đánh giá qua các thống kê Sargan và Arellano-Bond (AR). Kiểm định Sargan xác định tính chất phù hợp của các biến công cụ trong mơ hình GMM. Đây là kiểm định giới hạn về nội sinh (over-identifying restrictions) của mơ hình. Kiểm định Sargan với giả thuyết Ho biến công cụ là ngoại sinh, nghĩa là khơng tương quan với sai số của mơ hình. Vì thế, giá trị p của thống kê Sargan càng lớn càng tốt.
Kiểm định Arellano-Bond được đề xuất bởi Arellano-Bond (1991) để kiểm tra tính chất tự tương quan của phương sai sai số mơ hình GMM ở dạng sai phân bậc nhất.
Do đó, chuỗi sai phân khảo sát mặc nhiên có tương quan bậc nhất AR(1) nên kết quả
kiểm định được bỏ qua. Tương quan bậc hai AR(2) được kiểm định trên chuỗi sai
phân của sai số để phát hiện hiện tượng tự tương quan của sai số bậc 1 AR(1). Nói
Ho: khơng tự tương quan và được áp dụng cho số dư sai phân. Kiểm định tiến trình
AR(1) trong sai phân bậc 1 thường bác bỏ giả thuyết Ho. Điều này bởi vì: ∆eit = (eit +
eit-1) và ∆eit-1 = (eit-1 + eit-2)và cả hai điều có eit-1 . Cho nên, kiểm định AR(2) quan trọng hơn bởi vì nó kiểm tra tự tương quan ở các cấp độ.
Tóm lại, phương pháp cho dữ liệu bảng động sử dụng các độ trễ thích hợp của
các biến được công cụ (instrumented variables) để tạo nên các biến công cụ
(instruments). Ngồi ra, GMM cịn khai thác dữ liệu gộp của bảng và ràng buộc độ dài chuỗi dữ liệu thời gian của các đơn vị bảng trong bảng dữ liệu. Từ đó, cho phép sử
dụng một cấu trúc trễ thích hợp để khai thác đặc tính năng động của dữ liệu. Tuy nhiên, phương pháp GMM cũng có những hạn chế: (i) các hệ số góc thay đổi theo từng đơn vị bảng. Pesaran và cộng sự (1999) cho rằng sự đồng nhất của các hệ số góc
khơng phù hợp khi độ dài của chuỗi dữ liệu bảng không ngắn. (ii) không thể hiện các
đặc tính năng động ngắn hạn và đồng liên kết dài hạn.